- 현재 위치
- home > 컴퓨터·ICT·어학 > 컴퓨터·IT 도서 > 컴퓨터공학 > 머신러닝 디자인 패턴[한빛미디어]
;)
머신러닝 디자인 패턴 - 발리아파 락쉬마난.세라 로빈슨.마이클 먼 지음, 맹윤호 외 옮김
데이터의 표현, 운영, 반복성, 재현성, 유연성, 설명 가능성, 공정성에 대한 30가지 디자인 패턴이 담겨 있다. 각 패턴에는 문제에 대한 설명, 다양한 잠재적 솔루션, 상황에 적합한 기술 노하우가 포함되어 있다.
데이터의 표현, 운영, 반복성, 재현성, 유연성, 설명 가능성, 공정성에 대한 30가지 디자인 패턴이 담겨 있다. 각 패턴에는 문제에 대한 설명, 다양한 잠재적 솔루션, 상황에 적합한 기술 노하우가 포함되어 있다.
저자: 발리아파 락쉬마난.세라 로빈슨.마이클 먼 지음, 맹윤호 외 옮김
CHAPTER 1 머신러닝 디자인 패턴의 필요성
1.1 디자인 패턴이란?
1.2 이 책의 사용법
1.3 머신러닝 용어
1.4 머신러닝의 문제
1.5 마치며
CHAPTER 2 데이터 표현 디자인 패턴
2.1 간단한 데이터 표현
2.2 디자인 패턴 1: 특징 해시
2.3 디자인 패턴 2: 임베딩
2.4 디자인 패턴 3: 특징 교차
2.5 디자인 패턴 4: 멀티모달 입력
2.6 마치며
CHAPTER 3 문제 표현 디자인 패턴
3.1 디자인 패턴 5: 리프레이밍
3.2 디자인 패턴 6: 멀티라벨
3.3 디자인 패턴 7: 앙상블
3.4 디자인 패턴 8: 캐스케이드
3.5 디자인 패턴 9: 중립 클래스
3.6 디자인 패턴 10: 리밸런싱
3.7 마치며
CHAPTER 4 모델 학습 디자인 패턴
4.1 일반적인 학습 루프
4.2 디자인 패턴 11: 유용한 과대적합
4.3 디자인 패턴 12: 체크포인트
4.4 디자인 패턴 13: 전이 학습
4.5 디자인 패턴 14: 분산 전략
4.6 디자인 패턴 15: 하이퍼파라미터 튜닝
4.7 마치며
CHAPTER 5 탄력성 디자인 패턴
5.1 디자인 패턴 16: 스테이트리스 서빙 함수
5.2 디자인 패턴 17: 배치 서빙
5.3 디자인 패턴 18: 연속 모델 평가
5.4 디자인 패턴 19: 2단계 예측
5.5 디자인 패턴 20: 키 기반 예측
5.6 마치며
CHAPTER 6 재현성 디자인 패턴
6.1 디자인 패턴 21: 트랜스폼
6.2 디자인 패턴 22: 반복 가능 분할
6.3 디자인 패턴 23: 브리지 스키마
6.4 디자인 패턴 24: 윈도 추론
6.5 디자인 패턴 25: 워크플로 파이프라인
6.6 디자인 패턴 26: 특징 저장소
6.7 디자인 패턴 27: 모델 버전 관리
6.8 마치며
CHAPTER 7 책임 있는 AI
7.1 디자인 패턴 28: 휴리스틱 벤치마크
7.2 디자인 패턴 29: 설명 가능한 예측
7.3 디자인 패턴 30: 공정성 렌즈
7.4 마치며
CHAPTER 8 연결 패턴
8.1 패턴 참조
8.2 패턴 상호작용
8.3 ML 프로젝트 내의 패턴
8.4 사용 사례와 데이터 유형에 따른 일반적인 패턴
1.1 디자인 패턴이란?
1.2 이 책의 사용법
1.3 머신러닝 용어
1.4 머신러닝의 문제
1.5 마치며
CHAPTER 2 데이터 표현 디자인 패턴
2.1 간단한 데이터 표현
2.2 디자인 패턴 1: 특징 해시
2.3 디자인 패턴 2: 임베딩
2.4 디자인 패턴 3: 특징 교차
2.5 디자인 패턴 4: 멀티모달 입력
2.6 마치며
CHAPTER 3 문제 표현 디자인 패턴
3.1 디자인 패턴 5: 리프레이밍
3.2 디자인 패턴 6: 멀티라벨
3.3 디자인 패턴 7: 앙상블
3.4 디자인 패턴 8: 캐스케이드
3.5 디자인 패턴 9: 중립 클래스
3.6 디자인 패턴 10: 리밸런싱
3.7 마치며
CHAPTER 4 모델 학습 디자인 패턴
4.1 일반적인 학습 루프
4.2 디자인 패턴 11: 유용한 과대적합
4.3 디자인 패턴 12: 체크포인트
4.4 디자인 패턴 13: 전이 학습
4.5 디자인 패턴 14: 분산 전략
4.6 디자인 패턴 15: 하이퍼파라미터 튜닝
4.7 마치며
CHAPTER 5 탄력성 디자인 패턴
5.1 디자인 패턴 16: 스테이트리스 서빙 함수
5.2 디자인 패턴 17: 배치 서빙
5.3 디자인 패턴 18: 연속 모델 평가
5.4 디자인 패턴 19: 2단계 예측
5.5 디자인 패턴 20: 키 기반 예측
5.6 마치며
CHAPTER 6 재현성 디자인 패턴
6.1 디자인 패턴 21: 트랜스폼
6.2 디자인 패턴 22: 반복 가능 분할
6.3 디자인 패턴 23: 브리지 스키마
6.4 디자인 패턴 24: 윈도 추론
6.5 디자인 패턴 25: 워크플로 파이프라인
6.6 디자인 패턴 26: 특징 저장소
6.7 디자인 패턴 27: 모델 버전 관리
6.8 마치며
CHAPTER 7 책임 있는 AI
7.1 디자인 패턴 28: 휴리스틱 벤치마크
7.2 디자인 패턴 29: 설명 가능한 예측
7.3 디자인 패턴 30: 공정성 렌즈
7.4 마치며
CHAPTER 8 연결 패턴
8.1 패턴 참조
8.2 패턴 상호작용
8.3 ML 프로젝트 내의 패턴
8.4 사용 사례와 데이터 유형에 따른 일반적인 패턴
머신러닝이라는 바다를 항해하는 데
꼭 필요한 나침반, 디자인 패턴
구글의 뛰어난 머신러닝 석학들이 모여 집필한 『머신러닝 디자인 패턴』은 기업에서 발생하는 대부분의 시나리오에 대응할 수 있는 30가지 패턴들을 다루고 있습니다. 이 책에 담긴 검증된 아키텍처와 비즈니스 사용 사례는 머신러닝을 구축하는 시간을 줄여주며, 비즈니스에 머신러닝을 적용하는 효과적인 방법을 알려줍니다. 단순히 ‘돌아가는 코드를 수록해놓은 책’이 아니라 다양한 기술 의사결정의 기준점이 되어줄 책입니다.
오늘도 많은 개발자가 불안한 마음을 안은 채로 딥러닝과 머신러닝 모델을 만들고 있습니다. 불안한 모두에게 이 책은 ‘나침반’이 되어줄 겁니다. 특정 상황에서 자신이 내린 기술 의사결정이 올바른 것인지, 제약은 무엇이고 트레이드오프는 무엇인지를 올바른 방향으로 안내합니다. 이 책을 읽으며 편법이라고 생각했던 현업의 기법들이 사실은 정석이었음을 깨닫고, 확신과 안도감을 느끼셨으면 합니다. 사실은 편법이 아니라 제한된 리소스에서 수행할 수 있는 최선의 기술 의사결정인 것이죠.
수많은 고난에도 불구하고, 오늘도 딥러닝과 머신러닝 모델을 학습시키고 있는 모든 분에게 이 책을 추천합니다.
주요 내용
●ML 모델을 학습, 평가, 배포할 때 겪는 일반적인 문제와 해결법
●임베딩, 특징 교차 등을 포함한 다양한 ML 모델 유형의 데이터 표현
●특정 문제에 적합한 모델 유형을 선택하는 법
●체크포인트, 배포 전략, 하이퍼파라미터 튜닝을 사용하는 강력한 학습 루프 구축
●새로운 데이터를 반영하기 위한 재훈련, 업데이트할 수 있는 확장 가능한 ML 시스템 배포
●이해관계자를 위한 모델 예측을 해석하고 공정성을 확인하는 법
●모델의 정확도, 재현성, 탄력성을 향상하는 법
꼭 필요한 나침반, 디자인 패턴
구글의 뛰어난 머신러닝 석학들이 모여 집필한 『머신러닝 디자인 패턴』은 기업에서 발생하는 대부분의 시나리오에 대응할 수 있는 30가지 패턴들을 다루고 있습니다. 이 책에 담긴 검증된 아키텍처와 비즈니스 사용 사례는 머신러닝을 구축하는 시간을 줄여주며, 비즈니스에 머신러닝을 적용하는 효과적인 방법을 알려줍니다. 단순히 ‘돌아가는 코드를 수록해놓은 책’이 아니라 다양한 기술 의사결정의 기준점이 되어줄 책입니다.
오늘도 많은 개발자가 불안한 마음을 안은 채로 딥러닝과 머신러닝 모델을 만들고 있습니다. 불안한 모두에게 이 책은 ‘나침반’이 되어줄 겁니다. 특정 상황에서 자신이 내린 기술 의사결정이 올바른 것인지, 제약은 무엇이고 트레이드오프는 무엇인지를 올바른 방향으로 안내합니다. 이 책을 읽으며 편법이라고 생각했던 현업의 기법들이 사실은 정석이었음을 깨닫고, 확신과 안도감을 느끼셨으면 합니다. 사실은 편법이 아니라 제한된 리소스에서 수행할 수 있는 최선의 기술 의사결정인 것이죠.
수많은 고난에도 불구하고, 오늘도 딥러닝과 머신러닝 모델을 학습시키고 있는 모든 분에게 이 책을 추천합니다.
주요 내용
●ML 모델을 학습, 평가, 배포할 때 겪는 일반적인 문제와 해결법
●임베딩, 특징 교차 등을 포함한 다양한 ML 모델 유형의 데이터 표현
●특정 문제에 적합한 모델 유형을 선택하는 법
●체크포인트, 배포 전략, 하이퍼파라미터 튜닝을 사용하는 강력한 학습 루프 구축
●새로운 데이터를 반영하기 위한 재훈련, 업데이트할 수 있는 확장 가능한 ML 시스템 배포
●이해관계자를 위한 모델 예측을 해석하고 공정성을 확인하는 법
●모델의 정확도, 재현성, 탄력성을 향상하는 법
